Prévia do Nvidia GTC Berlim: Plataforma Rubin, Agentes de IA e Computação Soberana Europeia Ganham Destaque

A Europa deve ser o principal destaque desta GTC. Jensen Huang afirmou anteriormente que a Nvidia anunciará cerca de US$ 2 bilhões em novos investimentos ou projetos de parceria na Europa. Somados aos cerca de US$ 8 bilhões investidos no último ano, os investimentos e compromissos totais da empresa na Europa podem chegar a quase US$ 10 bilhões.

A Nvidia já investiu na healthtech francesa Doctolib, na empresa de robótica Genesis AI, na empresa de software corporativo Pigment e na plataforma de P&D de materiais Entalpic, enquanto amplia o apoio a startups de IA, biotecnologia e computação quântica no Reino Unido. Esses investimentos formam desenvolvedores que utilizam as plataformas da Nvidia, ao mesmo tempo em que ajudam a expandir a demanda europeia por GPUs, equipamentos de rede e serviços de nuvem para IA.

A Alemanha deve ser o foco da próxima fase de investimentos. Espera-se que o governo alemão avance na cooperação em IA industrial com a Nvidia, com foco em áreas que incluem ferramentas de IA física necessárias para o treinamento em robótica e condução autônoma, bem como grandes modelos de IA para o setor de manufatura. O chanceler alemão Merz tem reunião agendada com Jensen Huang na noite de segunda-feira, e a colaboração pode envolver empresas alemãs, instituições de pesquisa e outros parceiros tecnológicos.

O principal direcionador fundamentalista da Nvidia atualmente continua sendo seu segmento de data centers. No segundo trimestre do ano fiscal de 2027, a receita total da empresa atingiu US$ 96,2 bilhões, um avanço de 106% na comparação anual; desse montante, a receita de data centers respondeu por US$ 89,0 bilhões, alta de 117% ano a ano e representando mais de 92% da receita total.

A plataforma Blackwell permanece na fase de monetização em grande escala, enquanto a Vera Rubin carrega a missão de impulsionar a próxima atualização de plataforma. Diferente do passado, quando a ênfase recaía principalmente no desempenho individual de GPUs, a Nvidia está integrando CPUs, GPUs, redes, armazenamento, software e projetos de data centers em 'fábricas de IA' completas.

Essa mudança está relacionada à migração das cargas de trabalho de IA do treinamento para a inferência. Enquanto o treinamento de modelos coloca maior ênfase na escala de clusters e no desempenho de pico, a inferência em larga escala exige equilibrar latência, throughput, eficiência energética e custo por token. Em última análise, os clientes não estão mais comprando apenas GPUs, mas sim um sistema computacional capaz de reduzir os custos operacionais no longo prazo.

Portanto, o ponto mais relevante em relação à Rubin nesta GTC não são as melhorias de parâmetros, mas o ritmo real de implantação. O mercado precisa entender quando os grandes provedores de nuvem e clientes corporativos intensificarão as compras, o quanto a nova plataforma pode reduzir os custos de inferência e se os clusters Blackwell existentes afetarão a disposição dos clientes em realizar o upgrade.

Os agentes de IA foram outro tema central nesta edição da GTC. Os chatbots tradicionais lidam principalmente com perguntas e respostas pontuais, enquanto os agentes precisam chamar modelos continuamente, recuperar informações, utilizar ferramentas, executar códigos e realizar tarefas em várias etapas. Mesmo que o custo por inferência individual diminua, a execução contínua de agentes ainda pode aumentar significativamente o volume geral de processamento.

É por isso também que a Nvidia vinculou estreitamente a arquitetura Rubin à IA baseada em agentes. A empresa espera reduzir a barreira técnica para as empresas que implantam agentes ao fornecer chips, dispositivos de interconexão, softwares de inferência e ferramentas de desenvolvimento, ao mesmo tempo em que expande a demanda por processamento de um pequeno número de laboratórios de IA para cenários como atendimento ao cliente, desenvolvimento de software, finanças, saúde e operações corporativas.

No entanto, o crescimento no consumo de capacidade computacional não equivale necessariamente a um aumento no valor comercial. Se os agentes permanecerem estagnados na fase piloto por muito tempo, as empresas podem ter dificuldade para justificar seu retorno sobre o investimento e não expandirão indefinidamente seus orçamentos de data centers. Portanto, o mercado precisa ver escalas reais de implementação, volumes sustentados de chamadas e ganhos de eficiência alcançados pelos clientes que usam agentes, e não apenas novas demonstrações e listas de parcerias.

A IA física e a robótica representam uma oportunidade de crescimento de mais longo prazo. A Nvidia espera aplicar modelos, plataformas de simulação e tecnologia de computação de borda à robótica, à condução autônoma e à manufatura inteligente. A Alemanha possui um ecossistema industrial massivo, tornando Berlim um local adequado para promover essa estratégia.

No entanto, o ciclo de comercialização da robótica e da condução autônoma é significativamente mais longo do que o dos chips para data centers. A confiabilidade do produto, a aprovação regulatória e a validação dos clientes podem afetar o ritmo de realização de receita, tornando difícil para esses segmentos substituir os data centers como o principal motor de crescimento da Nvidia no curto prazo.

Este conteúdo foi traduzido por IA e revisado por humanos. Ele é fornecido apenas para fins informativos e de referência, não constituindo aconselhamento financeiro ou recomendação de investimento.